神经元感知启发了EEG情感识别与并行对比学习

科学领域:

• 神经科学是一个神经科学.
• 机器学习 机器学习
• 情感计算是一种情感计算.

背景情况:

• 电脑电图 (EEG) 信号的个体间变异性对主体独立的情绪识别构成重大挑战.
• 现有的跨主体EEG情感识别方法缺乏对情感处理的共同神经支的充分探索.

研究的目的:

• 提出一种新的并行对比多源域适应 (PCMDA) 模型,用于独立于主体的基于EEG的情感识别.
• 为了解决发现共享的神经机制的局限性,以跨主体处理情绪.
• 提高EEG情绪识别模型的概括能力.

主要方法:

• 开发了一个PCMDA模型,其灵感来源于腹部视觉皮层的神经表现机制.
• 采用神经元感知启发的对比学习架构,采用两阶段域调整方法.
• 整合了模拟大脑自我监督学习的并行对比损失 (PCL) 和用于频段情绪加权的自我注意力机制.

主要成果:

• 在SEED,DEAP和FACED数据集上进行了广泛的实验,证明了PCMDA模型的有效性.
• PCMDA模型成功地利用了独特的EEG特征和每个主体特定的频段信息.
• 与现有方法相比,在不同主题中实现了更好的概括性能.

结论:

• 拟议的PCMDA模型在独立于主体的EEG情绪识别方面取得了重大进展.
• 该模型能够对齐多源域,并利用特定主题的特征,从而增强跨主题的概括性.
• 这种方法为从EEG数据中普遍理解和识别情绪提供了一个有希望的方向.